Innovation par la maîtrise de la Data : discerner les signaux faibles

Comment innover par la maîtrise de la Data ? Comment discerner les signaux faibles ?

Il existe énormément de signaux faibles dans les métiers de la Data, beaucoup de données peuvent être considérées, à tort, comme non informatives et donc non exploitables.

Qu’est ce qu’un signal faible ?

Dans un premier temps, il est important de savoir exactement ce qu’est un signal faible. A première vue, il s’agit d’informations qui n’ont pas d’intérêt particulier, qui ne traduisent pas une utilité immédiate. Pourtant, en replaçant correctement ces informations dans un contexte précis et déterminé, ces dernières peuvent s’avérer capitales. Il faut donc rester attentif pour pouvoir les détecter. En effet, les signaux faibles peuvent permettre de prédire certaines actions ou certains événements, d’ailleurs, s’ils ont été identifiés dans le passé, le professionnel pourra s’en servir pour produire des analyses prédictives intéressantes pour le client. Par exemple, le temps qu’un internaute passe sur une page Web va peut être permettre d’anticiper si ce dernier va aller jusqu’à la conversion (acte d’achat). Il faut bien sûr replacer cette donnée dans le contexte de navigation globale de l’utilisateur et prendre en compte son historique.

Les outils et méthodes pour identifier les signaux faibles

Pour détecter et appréhender les signaux faibles, il faut tout d’abord limiter le champ des données à explorer, et se fixer un objectif à atteindre. Au vu des masses de données accumulées et exploitées quotidiennement, il est impératif de définir un cadre de recherches pour détecter les signaux faibles les plus judicieux. Pour cela, il est donc nécessaire que le client définisse en amont ce qu’il cherche à obtenir comme résultats, et également ses objectifs (e.g. objectif de conversion, d’engagement avec la marque, client récurrent, nouveau client, définir un parcours type etc.). En effet, chaque campagne est différente, elle dépend de l’annonceur, de son degré de maturité par rapport à l’utilisation de la donnée, son degré de maturité sur le marché. Tant que ces paramètres n’auront pas été définis, il ne sera pas possible d’identifier la liste des données à explorer et à convertir en informations tangibles.

Fabien Barbaud, CTO Public-Idées

Fabien Barbaud, CTO Public-Idées

Une fois le plan d’actions mis en place, le professionnel va alors pouvoir réduire le champ des data à explorer. En utilisant des outils analytiques et statistiques, il va alors pouvoir identifier les informations qui corrèlent avec l’objectif recherché. En d’autres mots, ce sont les data d’intérêts, parmi lesquels se trouvent les signaux faibles. Prenons une typologie client e-commerçant qui a pour objectif d’augmenter le panier moyen de son client (déjà acquis), et un second objectif où l’e-commerçant veut augmenter son trafic et acquérir de nouveaux clients. Les problématiques et les collectes d’informations sont donc différentes. A partir de là, la collecte d’information sera la suivante : quel est le panier que l’internaute est en train de se construire au fil de sa navigation ? La logique impose donc la création d’un outil à mettre en place sur le site de l’e-commerçant qui va capter les différents ajouts dans le panier de l’internaute. Le parcours de ce dernier doit également être pris en compte, notamment par quel point chaud du site il va passer. En captant tous ces éléments qui pris séparément peuvent sembler sans intérêt le professionnel va ainsi pouvoir créer un profil client (pattern). En utilisant ces patterns, nous pouvons par exemple, trouver des leviers qui vont amener les internautes ne correspondant pas à ce profil à le devenir.

Pour définir un profil, il est important d’avoir assez de recul sur les data. Dans ce cas, l’utilisation d’outils statistiques, comme le Machine Learning, va permettre de définir des profils types dans la population. Grâce à cette méthode, le professionnel va pouvoir déterminer quelles données sont redondantes. Celles-ci vont donc permettre d’expliquer et d’anticiper les actions des internautes.

Imaginons, on détecte une action ou une série de comportements redondants (e.g. le temps de navigation sur une page, client coutumier de la marque …) chez des personnes qui dépensent 100 euros. Il devient alors envisageable de trouver les internautes qui vont présenter un panier similaire en surveillant ces mêmes informations.

C’est dans ce cadre que les signaux faibles prennent toutes leurs importances.

Le cross device, avantages ou inconvénients ?

Guillaume Mousnier, Datascientist Public-Idées

Guillaume Mousnier, Datascientist Public-Idées

Aujourd’hui, les internautes utilisent aux quotidiens différents terminaux (PC, tablettes, smartphones…), parfois utilisés pour réaliser une même navigation web. La difficulté est de savoir qui est derrière un terminal et être capable de reconnaitre ce même utilisateur à travers tous ses différents supports (i.e. cross-device tracking). Il faut alors mettre en place des outils permettant d’assurer l’identification et le suivi d’un internaute avec une précision maximale à travers tout notre réseau. D’autres entreprises du web, notamment les réseaux sociaux, identifient et suivent chaque internaute en imposant une connexion à un compte. Ce type de tracking cross-device est robuste, et permet ainsi d’identifier avec quasi-certitude un utilisateur à travers tous ses supports de navigation. De ce fait, ces sites (e.g. Facebook) peuvent proposer de la publicité ciblée et identique quel que soit le device utilisé. Cependant, nous n’avons pas les mêmes problématiques chez Public-Idées. Ce type de suivi par comptes n’est en effet pas envisageable pour notre secteur d’activité. Il nous faut donc trouver des solutions alternatives basées sur des outils statistiques appliquées aux data.

Pour nous, l’inconvénient du cross device tient donc au fait qu’on ne peut jamais être certain de la personne qui est derrière un terminal. En effet, nous n’avons jamais la certitude de l’identité d’un individu, seulement une estimation. La notion de probabilité doit être alors bien comprise afin d’identifier les limitations et les applications intéressantes et réalisables. En prenant en compte ces limitations, l’aspect cross-device est tout de même intéressant par exemple pour estimer de manière plus réaliste le nombre de personnes touchées par une publicité ou pour personnaliser l’offre.

En résumé, il n’existe pas de recettes ou d’outils miracles pour déterminer des signaux faibles. Ce qui est primordial c’est que le client définisse ses objectifs, et ce qu’il recherche exactement. Partant de ces faits établis, les données vont être sélectionnées, traités et interprétés. En utilisant ces signaux faibles, nous continuons d’innover en maîtrisant la Data et en lui donnant un sens.

Auteurs : Fabien Barbaud, CTO Public-Idées et Guillaume Mousnier, Datascientist Public-Idées

***

(c) ill. Shutterstock - Management solutions closing the gap to a business challenge

avatar
L'invité de Marketing Professionnel tient une Tribune Libre. Profil des invités et Tribunes Libres publiées.


Commentez !

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Vous pouvez utiliser ces balises et attributs HTML : <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>